personal agent会不会&适不适合主动推送实时生成的视频流?
最近做了个小小的实验,muse 围绕我的兴趣主动找了信息给我时,我既让他出现在对话主界面(muse在主界面还是克制的,一天最多给我推 2 次);也同时出现在 Feed 里(条数会更多一些)。
一开始只是想看我会在哪边养成习惯。用了一段时间发现,主界面明明是我第一下碰到的,我却禁不住往 Feed 里看,可能Feed里是图文,主界面只有文字。不过主界面是双向的,我能找它,它也能找我。
为什么会想到视频流,是我发现当前有个断点。拿我的另一个personal agent - today举例,他会基于memory对我的理解进行proactive的探索发现,在主界面给我推:桂林公园桂花季、秋日市集。从完成任务角度看,我确认后他当前可以帮我安排行程规划,未来能帮我买好门票,打通履约。
中间的断点是啥呢?我看到推送的还是文字,文字是非常具有想象力,同时也是缺少具象体感的。在确认之前,我还是希望看一眼画面的,有一点身临其境的感觉,我并不知道那里的桂花是什么样子。现在我是切到小红书看一圈图文或视频感受一下。
我认为这一步未来 agent 自己是能接住的。Genie 4已经能实时生成一个能走进去的世界,推过来的是一个我可以实时感受的场景,我看完点个头,它接着把事办了。发现、感受、确认、履约,一段对话里全搞定,这个体验就更 perfect 了。(token消耗先不谈)
生成更有意思的可能是预演还没发生的事。小红书能给我看桂林公园桂花过去时和现在时多么漂亮,但它没法给我看"我这个周六":几点出门,那天下不下雨,人挤不挤,逛完去哪吃饭。这些只有了解我的 agent 才排得出来。
personal agent 帮我订票、购物,吃的是移动互联网里做履约的公司,用老王的话说是 B 面公司。可如果personal agent 开始做基于意图的内容消费,它吃的可能就是 A 面了。